8 個技能：讓 UX 設計師和 AI 共存
註：這篇文章是【Figma AI 初步試用後分析（1/2）】的下篇，不過我換了一個更加能夠反映內容的標題。
在這篇文章，我會分享一下基於現在市場上的 AI 發展，推測 Figma AI :
5 個發展可能的階段（純粹個人猜測）
未來 10 年需要偏重的 8 個技能：
未來 10 年的 5 個可能的發展階段：
階段 1（現在 / 2024）：只能簡單產出大眾認知的 UI，錯漏百出
Figma AI 主要是一個實幹的實習生，它處理 UI 的能力不錯，主要熟悉 B2C 產業上的 UI
由於數據不足，對 B2B 或 SAAS 產品缺乏深入了解，產生出來的 UI 並不可靠，對不熟悉的應用場景的 UI，只能夠亂猜亂畫。
Harvard Business Review 其中一篇文章也有提到 AI 在某些情況會有數據不足的問題。
"當針對利基市場或高度專業化的領域時，這種情況可能尤其明顯。當可用的數據是非結構化或質量較差時，問題會更加嚴重。”
階段 2 (2025)：自動生成和創造設計系統
預測：Figma AI 能按你需求進行極速的腦力激盪，生成多個新的設計想法和介面變化。當決定好新設計時，它能夠將 Wireframe 轉化成的最終設計，並按你的設計糸統產出相關組件。
AI 產生出的最終設計會按照你的設計系統高度融合，自動生成所需的 Token 或組件。它將利用設計系統中的現有組件、樣式和風格指南來自動創建一致性極高的設計。
負責設計系統的設計師將會負責高層次的決策，如：真的有需要添加新組件？還是用原有的？如何進行有效的誇部門溝通？如何決定開發組件的優先值？
UX 設計師將不需要再花時間去管理設計系統中所有執行性的細節，如：如何命名、如何組織架構。
AI 模型集體訓練 正在不停地發生
Harvard Business Review 的同一篇文章指出：
➡️ 德國交通系統研究所發起的一個計畫體現了資料協作為人工智慧模型集體訓練的好處。
➡️ 它用於駕駛和引導自動駕駛和連網汽車。使用 Gaia-X 基礎設施，汽車可以即時向平台發送有關道路上發現的異常情況（例如臨時障礙物、建築工地等）的數據，從而實現數據協作。
➡️ 借助更新的數據（從而改進地圖註釋），中央人工智慧模型可以優化所有其他汽車的駕駛，避開障礙物，節省時間，從而改善駕駛員的體驗。 Palantir、寶馬、Bosch、德國電信、SAP、Orange 和西門子等公司正在與 Gaia-X 合作。
未來幾年，這情況可能會發生在 UX 界，然後出現：
階段 3 (2026 - 2027)：Figma AI 與 Mobbin 合作
預測：Figma AI 將與 Mobbin 合作，讓 AI 獲得大量來自 B2B 和 SaaS 平台的 UI 設計資料庫。這將使 Figma AI 能夠快速掌握多數 UI 的組成和變化，並了解業界的設計趨勢。
階段 4 (2028 - 2030)：Figma AI x Mobbin x DoveTail，仿人類的 AI Personas 誕生
預測：Figma AI 可以與像 Dovetail 這樣的用戶研究工具整合，將設計能力與客戶見解和研究數據結合。
Figma AI 不僅能理解設計原則，還能理解來自實際研究的用戶行為、偏好和痛點。
這可能導致 AI 生成的仿製真人 Personas 的誕生。
AI personas 即時在 Figma 裡按照 Personas 給予設計反饋。
AI Personas 將參加設計團隊的腦力激盪，提供點子。
階段 5 (2031 - 2034)：Figma AI 產品設計師與 AI 模擬用戶測試（Proto User-Interview) 誕生
預測：在此階段，Figma AI 將發展成為智慧型產品設計師，能夠根據設計原則和用戶反饋數據的結合來理解客戶見解並提出解決方案。它不僅能提供設計建議，還能模擬用戶的真實互動來測試和完善這些設計。
AI 模擬用戶測試：
自動產出設計慨念，跟 AI personas 測試慨念，自動生成測試報告和分析。
AI 將執行“原型用戶訪談或可用性測試”，使用 AI 人物模型模擬真實用戶。
這些模擬將基於大量用戶數據，通過模擬面試或研究提供見解，整個過程只需要 UX 設計師下一道指令便能夠執行，模擬面試或研究無需涉及真實的人類參與。
這可能包括執行工作流程、識別潛在的摩擦點，甚至根據虛擬用戶反饋建議設計調整。
隨著自然語言處理（NLP）和預測行為建模的進展，AI 可以模擬對設計變更的反應、預測用戶滿意度，在實際用戶參與之前識別潛在的可用性問題。
我問了 ChatGPT，它認為 階段 5 (2031 - 2034) 發生的可能性為『高』
隨著 AI、NLP 和行為建模技術的快速進展，這些功能在技術上是可行的。
原因：
AI 和機器學習的成熟： 這些技術可以分析大量的設計數據和用戶反饋，生成設計建議和優化方案，已經能夠處理越來越複雜的任務。
自然語言處理（NLP）的進步： NLP 讓 AI 更好地理解和模擬人類語言，可以模擬用戶對話和反饋，支持虛擬用戶訪談和可用性測試。
行為預測建模技術： AI 可以根據用戶行為數據建立模型，預測用戶對設計變更的反應，幫助在早期發現潛在問題。
然而，要完全替代真人用戶測試仍存在挑戰，特別是在數據質量和情境理解方面。因此，這些技術可能首先作為輔助工具，用於優化設計流程，而非完全取代人類參與。
如果上面真的會發生的話，那麼 UX 設計師應該如何去準備？
簡單說，我覺得思考的方向是：
有哪些可靠且大量的數據是 AI 難以獲得的？UX 設計師可以朝下面 8 個技能發展。
1. 對用戶建立同理心
AI 無法真正理解人類的情感、動機和需求，缺乏情感共鳴的能力，無法體驗用戶的痛點或感受他們的困惑。
UX 設計師能夠通過同理心深入用戶的內心世界，從用戶的角度看待問題，並了解其情緒和需求。這種能力使設計師能夠設計出更具情感聯結的產品，真正解決用戶的問題，提供人性化的解決方案。
未來即使有 AI 模擬真人的 Personas，但由於人類的思想是十分複雜，AI 能得到的數據通常是非常表面，並不能完全準確地模擬出真實人類的所有反應。
因此在中期來說，培養對用戶的同埋心，借此來研發出更適合用戶使用的方案，是其中一個能優勝於 AI 的技能。
2. 熟練 UX 基礎和運用
AI 所依賴的數據來源可能受限於已有的設計案例或模板，無法靈活應對各種不同的設計挑戰。因此，設計師的專業知識和對用戶的深度理解，能讓設計方案更具針對性和人性化。
i. 設計師對用戶體驗定律的靈活應用
掌握用戶體驗定律（UX Law）有助於理解用戶心理和行為模式，幫助設計師預測用戶在不同情境下的行為反應。雖然 AI 可以根據數據生成多種設計選項，但最終需要設計師的判斷來確定哪些具體設計能真正解決用戶痛點，並進行必要的微調以提升體驗質量。
設計師可以結合使用情境和用戶的特殊需求，靈活應用 UX 法則，而這是 AI 無法完全掌握的。
ii. 視覺層級的主觀判斷能力
精通視覺層級（Visual Hierarchy）幫助設計師引導用戶注意力，確保關鍵資訊得以傳達。
雖然 AI 可以依據數據自動調整設計元素的大小和顏色，但 AI 可能缺乏對用戶的精準理解和期望，設計師能夠借著對真實用戶期望的仔細觀察和了解，去調整視覺元素的優先級，這是 AI 所欠缺的主觀判斷能力。
iii. 資訊架構的情境化調整
優化資訊架構（Information Architecture）能幫助用戶快速找到所需的資訊，提升導航體驗。
AI 可以根據數據分析自動生成結構建議，但對於更具情境化的設計需求，仍需設計師進行微調，以確保資訊架構符合用戶的認知習慣和情境。AI 難以預測用戶在不同情境下的導航行為，而設計師可以根據用戶研究和行為分析，做出更人性化的資訊組織，提供更清晰的導航路徑。
3. 解決複雜、新穎及獨特問題的能力
AI 擅長處理常見和重複性的問題，因為這些問題通常可以通過數據驅動的方式來解決。
然而在職場裡，我們每次的項目都是面對複雜的新挑戰或獨特的情境，AI 往往缺乏創造性思維和人類的直覺判斷力。這些問題需要人類設計師根據特定的情境和用戶需求，運用綜合的判斷力和創意來找到適合的解決方案。
4. 創新能力
AI 的創造力受到既有數據和算法的限制，僅能基於已知資訊進行變化或組合。
它無法容易地突破數據的範疇來創造全新的設計概念。而人類設計師的創造力來自於對文化、經驗和多元背景的綜合理解，能夠從中激發全新的靈感和想法。
5. 批判性思考
批判性思考幫助設計師質疑和評估 AI 生成的設計選項，確保最終方案符合用戶需求和業務目標。設計師需要有能力挑戰常規，進行深度分析和思考。
一些方法去訓練：
i. 多角度分析法（Multi-Perspective Analysis）
從不同的角度看待問題，考慮各種解決方案的利弊。
ii. 設計反駁（Devil’s Advocate）
故意挑戰自己的觀點，檢驗設計決策的合理性。
iii. 五個為什麼（5 Whys）
持續問「為什麼」，深入探討問題的根本原因。
iv. 假設驗證（Hypothesis Testing）
設立假設並進行測試，驗證設計決策的正確性。
v. 反思日誌（Reflection Journal）
定期記錄設計過程中的思考和經驗，幫助持續改進。
vi. 第一原理 （First Principles）
分解問題： 將一個複雜的問題分解成其最基本的組成部分。問自己，這個問題的本質是什麼？有什麼基本的事實或原則？
挑戰現有假設： 從零開始，挑戰現有的假設或既有解決方案，尋找其中可能存在的偏見或誤解。問自己，這些假設是否真的正確？
6. 同時具備 UX 策略和產品思維
AI 無法像人類般靈活應對商業變化，且通常缺乏品牌和市場定位的理解，同時也無法結合長期規劃和短期需求作出可擴展性的設計，對於平衡用戶需求與商業價值也會有一定難道，因此 UX 設計師可以集中：
i. 靈活應對環境變化：
設計師在制定 UX 策略時，會持續觀察市場變化和競爭對手的動向，並根據新的商業目標調整設計方案。
例如：當產品策略或產品定位發生改變時，AI 不一定有相關或足夠的數據，設計師便能夠迅速調整設計，以支持新的業務方向或用戶需求，確保產品在市場中保持競爭力。
ii. 將設計結合長期規劃和短期需求：
設計師會在 UX 策略中兼顧長期的產品發展願景與當前的設計需求。
例如：設計師可能會在短期內進行一些快速的優化來解決現有的用戶痛點，同時考慮未來的擴展性，確保設計能夠隨著產品的發展不斷迭代。
iii. 平衡用戶需求和商業目標：
設計師在做設計決策時，會綜合考慮用戶的需求和公司的業務目標，找到兩者的平衡點。
例如：在設計購物平台時，既要優化用戶的購物體驗（如簡化結帳流程），也要實現商業目標（如增加平均訂單價），這種平衡需要精確的策略和產品思維來實現。
7. 提升跨領域合作與溝通技巧
AI 可以在一定程度上協助團隊間的協作，例如分享文件或提供分析數據，但它無法替代人類在跨領域溝通和合作中的情感理解、同理心和說服能力。
例如：你如何解釋多個設計選項同時有利用戶和業務？當業務方偏好一個有可能對用戶體驗不友好的方案時，你如何跟他去解釋和說服他？
8. 在不確定性和模糊性中引導方向
AI 在處理有結構性問題時表現出色，但面對不確定性和模糊性時，往往無法應對。設計中的不確定性可能來自於需求不明確、市場變化或新技術的引入，這些挑戰需要 UX 設計師在缺乏完整資訊的情況下做出決策，並能夠迅速調整策略。
總結：
隨著 Figma AI 的能力增強，UX 設計師的角色將可能從執行任務轉向監督和完善 AI 生成的解決方案，專注於高層次的決策和創造力，將比以前更偏重軟技能和綜合能力，而 Figma AI 則處理日常設計任務。
未來需要集中發展的 8 個技能：
同理心： 理解用戶的情感和需求，設計人性化的解決方案。
掌握 UX 基礎： 運用設計原則和 UX 法則，靈活應對多種設計挑戰。
解決複雜問題： 處理 AI 難以應對的複雜、新的挑戰，運用創意和判斷力找到合適的解決方案。
創新能力： 超越數據框架，提出創新和打破常規的設計概念。
批判性思考： 質疑和評估設計決策，進行深度分析，確保符合用戶需求。
UX 策略和產品思維： 平衡長遠和短期目標，作可擴展性設計；平衡用戶需求與商業目標，制定靈活的策略應對市場變化。
跨領域合作： 提升溝通和協作技巧，協調多個團隊的需求，推動項目進展。
處理不確定性： 在模糊和未知情境中引導方向，迅速調整策略，應對變化。
今天就分享到這裡。
謝謝你耐心閱讀！
下星期日見，
Kogi